مالی و حسابداری

دموکراتیزه سازی هوش تجاری

نوشته شده توسط نویسنده سایت

هر گاه یک ابزار فن آوری موجود به طور ناگهانی در دسترس تعداد زیادی از مردم قرار می گیرد، گفته می شود که دموکراتیزه شده است. در سال های اخیر، توانایی دسترسی فوری به مقادیر زیادی از اطلاعات تجاری به صورت دیجیتال (اغلب از طریق ابزارهای موبایل) به شکل زیادی رواج یافته است، که به نوبه خود منجر به دموکراتیزه شدن فن آوری هوش تجاری شده است.

هوش تجاری در عصر کلان داده

یک توضیح ساده از نقش هوش تجاری این است که سازمان ها را قادر می سازد از داده ها برای بهبود فرآیندهای تصمیم گیری خود استفاده کنند. فن آوری هوش تجاری عموما  نرم افزار، سخت افزار، و پلت فرم هایی را توصیف می کند که به مشاغل اجازه بازیابی، تحلیل، تبدیل و گزارش داده را می دهند.

هوش تجاری چیز جدیدی نیست و شرکت های بزرگ در سراسر جهان دهه ها است که از شکل های مختلف آن استفاده می کنند. مفهوم هوش تجاری در حدود سال ۱۹۹۶ پدیدار شد، زمانی که یک گزارش توسط گروه گارتنر اظهار داشت: “تا سال ۲۰۰۰، دموکراسی اطلاعاتی در شرکت های آینده نگر ظهور خواهد کرد، و اطلاعات و برنامه های کاربردی هوش تجاری به طور گسترده در دسترس کارکنان، مشاوران، مشتریان، تامین کنندگان و عموم قرار خواهد گرفت. “

با این حال، قبل از دوره کنونی دموکراسی هوش تجاری (که حدود پنج سال پیش آغاز شد) سازمان های کوچک تر اساسا از اینکه بتوانند واقعا از هوش تجاری سود ببرند ناتوان بودند.

بسیاری از شرکت های بزرگ به طور معمول یک “مدیر ارشد داده” استخدام می کنند تا مسئولیت هوش تجاری را برعهده بگیرد، وظیفه ای که در سطح حوزه های عملیاتی و اداری مختف انجام می شود. کار مدیر ارشد داده با وظایف مدیر ارشد اطلاعات،‌ مدیر ارشد حریم خصوصی،‌ مدیر ارشد امنیت، مدیر ارشد فن آوری و غیره هم پوشانی دارد. قبل از دموکراتیزه شدن هوش تجاری سازمان ها و شرکت های کوچک ابزار و منابع لازم برای جمع آوری و تفسیر مقادیر زیاد داده را نداشتند… چه رسد به اینکه به طور معنادار یا منسجم از آن به عنوان هوش تجاری استفاده کنند.

با این حال، همانطور که افراد مطلع از این رشته می دانند، در حال حاضر در عصر کلان داده هستیم، قسمتی از دنیای جدید که در آن شرکت ها قادر به ثبت و تجزیه و تحلیل داده ها در حجمی هستند که تا همین چند سال پیش غیر ممکن و دور از تخیل به نظر می رسید. این پیشرفت ها به مشاغل کوچک و متوسط امکان می دهد تا در بینشی که تجزیه و تحلیل داده ها ارائه می دهد سهیم شوند – اغلب بدون نیاز به انبارهای داده، تعداد زیاد کارکنان IT و یا سخت افزار گران قیمت. پیش از دموکراتیزه شدن هوش تجاری، تنها ابرشرکت ها با دپارتمان های IT وسیع دسترسی ساده به نتایج داده ها داشتند، و مشاغل کوچک و متوسط باید بر مشاهدات و تصمیمات احساسی تکیه می کردند که حتی اگر پس از سال ها تجربه و خرد بدست آمده بود، راهی بسیار پر خطر برای تصمیم گیری های بزرگ بود. حال، عرصه رقابت هم سطح شده است.

به گفته جیم هیر، یک تحلیلگر صنعت در گارتنر که هوش تجاری و تجزیه و تحلیل پیشرفته را مطالعه می کند، ” مشاغل کوچک و متوسط تازه الان است که پیش بینی گارتنر در مورد دموکراسی اطلاعات را تجربه می کنند. تا قبل از این که گزینه های ابری برای استفاده عموم مهیا شوند اغلب مشاغل کوچک و متوسط صرفا به استفاده از مایکروسافت اکسل یا قابلیت های گزارش دهی تعبیه شده در برنامه های کاربردی که می توانستند خریداری کنند کفایت می کردند.”

هیر ادامه می دهد، ” ما همچنین روندی در رشد برنامه های کاربردهای تحلیلی مبتنی بر SaaS داریم که بر حل نیازهای تجاری عمودی دامنه و صنعت تمرکز دارند، با کاربرانی که قادر به راه اندازی سریع و استفاده از این برنامه های تحلیلی SaaS بدون درگیر کردن بخش IT هستند. و این برنامه های تحلیلی شیوه رساندن تجزیه و تحلیل و اطلاعات را بر اساس کاربر تنظیم می کنند … به جای اینکه کاربر مجبور به یادگیری ابزار داشته باشد.”

یک شرکت که به روشنی در حال سوار شدن بر موج دموکراتیزه سازی هوش تجاری است شرکت نوپای Sisense است که می گوید ماموریت آن “ساده کردن تجزیه و تحلیل تجاری بر داده های پیچیده” است.

امیر اراد، مدیر عامل شرکت Sisense می گوید: ” کل تمرکز و ادعای شهرت ما کمک به افرادی در کسب و کار است که تصمیم می گیرند بدون سرمایه گذاری IT یا داشتن انبار داده با داده های پیچیده کار کنند.” این شرکت که مقر آن در شهر نیویورک است و دارای یک مرکز تحقیق و توسعه در تل آویو است، بیش از ۱۰۰۰ مشتری در ۵۰ کشور دارد، از مشاغل کوچک و متوسط گرفته تا شرکت های تولیدی بزرگ.

در حقیقت مشاغل کوچک و متوسط بیش از ۵۰ درصد کسب و کار Sisense را تشکیل می دهند. به گفته اراد، این امر منطقی به نظر می رسد، زیرا “مشاغل کوچک و متوسط مدرن داده بیشتری دارند … زیرا آن ها شرکت های خود را در دوره ای بنا نهادند که همه چیز را ردیابی و ثبت می کنند، به صورت شبانه روزی از ابر استفاده می کنند، و نیاز دارند که همه این اطلاعات را به صورت قابل فهم تبدیل کنند.”

این گروه خاص چگونه از تکنولوژی هوش تجاری برای استخراج اطلاعات برای بدست آوردن بینش تجاری استفاده می کند؟ برای پاسخ به این سوال با جیمز لوین صحبت کردیم. لوین، مدیر تجزیه و تحلیل برای شرکت Act-On Software است، یک شرکت چهار ساله که راه کار های دیجیتال برای حرفه بازاریابی توسعه می دهد. وظیفه لوین تامین منابع تحلیلی برای شرکت و تیم اجرایی آن است.

لوین می گوید: “پیدا کردن یک ابزار هوش تجاری با قابلیت رشد و تغییر مقیاس با یک کسب وکار در امر تولید سود حیاتی است”. این شرکت از ابزارهای Sisense برای کسب شناخت بهتر از داده های مختلف جمع آوری شده و خودکار کردن تولید گزارش های فشرده کار و زمان استفاده می کند. در طول رابطه ۴ ساله Act-On با Sisense، یک پورتال مرکزی تحت وب برای تمام داده ها ایجاد شده است، مدیران اجرایی دسترسی مستقیم به معیارهای به موقع برای بهبود عملکرد دارند و شرکت قادر است رویکردی فعال در پیش گیری از اتلاف وقت و کاهش زیان فروش داشته باشد. لوین می گوید، این یک مزیت است که داده های مهم چرخه عمر یک مشتری را نشان دهند و اجازه دهند که پیش بینی های هوشمند عنصر تغییر را به مدل کسب و کارAct-On اضافه کند. او می گوید که بعد از اجرای راه کار Sisense تنها به یک تحلیلگر دیگر برای کمک به او برای پشتیبانی از نیاز های تجزیه و تحلیل داده های کل سازمان نیاز است. بدون وجود این راه کار ها به ۱۵ تا ۲۰ تحلیل گر برای انجام کار مشابه نیاز بود.

” ما با استفاده از Sisense قادر به ساخت و طراحی ابزارها و فرایندهایی بوده ایم که جایگزین دیگر ابزارهای فروش شده اند و باعث کاهش هزینه اضافی شده اند. برای مثال، ما کمیسیون ها را از طریق Sisense به نمایندگان فروش مان تحویل می دهیم، و نیاز به ابزار های دیگر تحویل کمیسیون را حذف می کنیم.”

داده ها درست هستند

اراد می گوید: ” فقط مشاغل کوچک و متوسط با فن آوری بالا نیستند که از دموکراتیزه سازی هوش تجاری بهره می برند. ما یک مشتری داریم که کار آن طراحی و ساخت کفش های بسیار گران قیمت است، و با این که آن ها یک کارخانه کوچک و بوتیک هستند یک چالش اطلاعاتی بسیار پیچیده دارند.”

برای هر طراحی کفش حداقل ۱۰ “نیاز داده” وجود دارد … مانند مدل، چرم، اندازه و غیره. “هیچ وقت نمی دانستم که این قدر می تواند پیچیده باشد. آن ها کفش های سفارشی می فروشند و در هر زمان و با تصمیم گیری تحلیلی فوری باید بدانند که کدام کفش را می توانند ارائه دهند. بنابراین، یک فرد باهوش در این کارخانه کوچک کفش گفت: ” ما همه این داده ها را داریم، اگر بتوانیم به سرعت تجزیه و تحلیل کنیم می توانیم با استفاده از تلفن های همراه که به آسانی در دسترس هستند، با سرعت بیشتری به مشتریان خود خدمات ارائه دهیم.” “

هر ساختار داده ای برای هر کفش، یعنی هر گونه اطلاعات … از فروش تا فهرست موجودی، هر چیزی که شامل ارقام، حروف، نام ها و غیره باشد می تواند توسط ابزارهای هوش تجاری Sisense انجام شود. این کارخانه کوچک کفش یک نمونه کامل از این واقعیت است که حتی کوچک ترین فروشگاه ها در حال حاضر به همان تکنولوژی های قدرتمندی دسترسی دارند که شرکت های بزرگ از آن ها برخوردار هستند.

به گفته اراد ” ابزارهای Sisense برای استفاده توسط افرادی طراحی شده اند که نیاز به مصرف و تجزیه و تحلیل مقادیر زیاد داده دارند … اما هیچ تجربه قبلی در مورد تحلیل داده ها ندارند.”

هیر می گوید “پلت فورم های هوش تجاری سنتی بخش IT را ملزم می کرد که یک انبار داده راه اندازی کند، آن را با کاربردهای معاملاتی ادغام کند ، داده ها را مدل سازی کند، برای کاربران تجاری گزارش تهیه کند، و گزارش هایی را شروع کنند که اغلب ساعت ها طول می کشید و امکان تعامل با سیستم را غیر ممکن می ساخت. وقتی همه این فرآیند ها به پایان می رسید اطلاعات اغلب چند روز یا چند هفته قدمت داشت. با ابزار هوش تجاری مدرن عملکرد به شدت سریع تر است. این امر به کابران اجازه می دهد که روی داده ها کار کنند و بینش تجاری به موقع کسب کنند. این بدین معنی است که کاربران تجاری اکنون می توانند منوی کاربری خود را بسازند، داده ها را کاوش کنند، با شرکا هم کاری کنند و نتایج را سریع تر با بقیه سازمان به اشتراک بگذارند.”

چالش مشاغل کوچک

در حال حاضر بزرگ ترین چالش مشاغل کوچک و متوسط برای اجرای ابزارهای هوش تجاری و تجزیه و تحلیل فقدان یک نیروی کار ماهر است، زیرا اکثر راه کار های تثبیت شده هوش تجاری به مدیران پایگاه داده تمام وقت (DBAs) برای راه اندازی و نگهداری از آن ها نیاز دارند. به گفته هیر راه کار هایی که نیاز به دخالت زیاد بخش IT دارند برای مشاغل کوچک و متوسط مناسب نیستند. مشاغل کوچک و متوسط باید برای به حداقل رساندن نیاز به منابع IT جهت استقرار و نگهداری ابزار به دنبال راه حل های هوش تجاری باشند که بر مبنای SaaS یا ابر فعالیت می کنند.

با وجود ابزارهای جدیدی که توسط Siense و دیگر شرکت های فن آوری هوش تجاری ارائه می شود، داده های حیاتی که از تصمیم گیری به موقع در تمام سطوح یک سازمان پشتیبانی می کنند به سرعت در دسترس است – بدون نیاز به آماده سازی داده ها از قبل یا درخواست از کسی در بخش IT برای رساندن اطلاعات.

با قرار دادن داده ها در دست کسانی که تصمیم گیری خود را  با استفاده از سیستم هایی انجام می دهند که قادر به پردازش داده های بزرگ بدون نیاز به سخت افزار گران قیمت یا سابقه IT هستند، دموکراتیزه سازی هوش تجاری به شکلی دیدنی فرا رسیده است.

درباره نویسنده

نویسنده سایت

نظر بدهید